![Page 1: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/1.jpg)
TITULACIÓN
LICENCIATURA EN A.D.E.
TÉCNICAS ESTADÍSTICAS DE
CONTROL DE CALIDAD
(12249)
Mª Isabel López Rodríguez
Dpto. Economía Aplicada
CURSO ACADÉMICO 2013/2014
![Page 2: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/2.jpg)
2
TEMA 2: CONCEPTOS ESTADÍSTICOS
BÁSICOS
2.1. INTRODUCCIÓN
2.2. ESTADÍSTICA DESCRIPTIVA
2.3. CÁLCULO DE PROBABILIDADES
2.4. INFERENCIA ESTADÍSTICA
![Page 3: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/3.jpg)
3
2.1. INTRODUCCIÓN
ESTADÍSTICA
DESCRIPTIVA
TEORÍA
O
CÁLCULO
DE
PROBABILI
DADES
INFERENCIA
ESTADÍSTICA
![Page 4: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/4.jpg)
4
MUESTREO INFERENCIA
POBLACIÓN
MUESTRA
![Page 5: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/5.jpg)
5
![Page 6: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/6.jpg)
6
Características que pueden ser observadas en un conjunto de
elementos
Características medibles: Variables
Variables discretas:
número de artículos vendidos en un día, nº. piezas defectuosas fabricadas en un mes, etc.
Variables continuas: longitud de unos tornillos, espesor planchas de acero, etc.
Características no medibles
Atributos: tipos de defectos en la fabricación de un artículo, modelos producidos de un automóvil, etc.
Ordinales: satisfacción de los clientes en el servicio postventa, clasificación de los proveedores de un producto, etc.
OBJETIVO: analizar los datos, de modo que las conclusiones a las que
se llegue no sobrepasen los límites de éstos. No se aplican a la población.
2. 2. ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA
DESCRIPTIVA
![Page 7: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/7.jpg)
7
Variables estadísticas
ESTADÍSTICA
DESCRIPTIVA
-DISTRIBUCIÓN DE FRECUENCIAS
-MEDIDAS DE REDUCCIÓN DE DATOS
• MEDIDAS DE POSICIÓN: media aritmética
• MEDIDAS DE DISPERSIÓN: varianza (S2),
desviación típica (S), recorrido
)x(
![Page 8: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/8.jpg)
8
ESTADÍSTICA
DESCRIPTIVA Se ha preguntado a un grupo de 200 habitantes de la ciudad de Valencia el
número de veces que cogen el transporte publico en un día laborable. Las
respuestas se recogen en la siguiente tabla Ejemplo 1
![Page 9: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/9.jpg)
9
nº veces al día que
cogen autobús Xi
nº Ciudadanos
ni frecuencia
absoluta
0 16
1 39
2 62
3 39
4 28
5 15
6 1
200
Tabla de frecuencias absolutas
Diagrama de barras
Ejemplo 2
0
10
20
30
40
50
60
70
0 1 2 3 4 5 6 7 8 9 10
número ciudadanos
![Page 10: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/10.jpg)
10
.
ESTADÍSTICA
DESCRIPTIVA Un segundo estudio se realiza en la ciudad de Benidorm. Las respuestas de las
200 personas entrevistadas a la pregunta de cuantas veces cogen el autobús se
recoge en la siguiente tabla.
2 0 0 0 5 5 5 0 0 0
4 0 1 10 10 0 0 0 5 0
3 0 6 5 0 0 0 0 6 1
0 0 1 1 6 10 0 1 1 0
4 0 0 0 1 0 2 0 1 1
1 0 2 3 4 5 0 10 0 1
6 2 5 3 1 1 0 0 0 0
6 2 5 6 5 2 2 1 5 0
10 2 3 6 2 6 2 1 4 5
5 0 0 5 3 6 6 1 0 0
3 2 0 5 4 0 0 0 0 0
0 6 10 2 1 0 2 0 0 0
2 2 4 5 5 1 0 0 0 0
2 2 4 0 1 0 0 0 0 6
3 2 0 0 0 6 0 1 0 1
2 0 0 0 0 0 5 5 0 10
4 6 3 0 0 0 1 0 0 5
3 0 6 6 10 6 0 6 6 0
0 6 0 0 0 2 1 10 6 0
5 3 0 0 0 0 10 6 10 6
Ejemplo 3
![Page 11: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/11.jpg)
11
nº veces al día que
cogen autobús Yi
nº Ciudadanos
ni frecuencia
absoluta
0 85
1 23
2 20
3 10
4 8
5 20
6 23
10 11
200
Tabla de frecuencias absolutas
Ejemplo 3
Diagrama de barras
0
10
20
30
40
50
60
70
80
90
0 1 2 3 4 5 6 7 8 9 10
Número de veces que se coge el autobús
númerociudadanos
![Page 12: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/12.jpg)
12
Misma media Distinta
distribución
ESTADÍSTICA
DESCRIPTIVA
Ejemplo 3
)(PROMEDIO365,2200
X
X
200
1i
i
)(PROMEDIO365,2200
Y
Y
200
1i
i
Ejemplo 2
![Page 13: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/13.jpg)
13
ESTADÍSTICA
DESCRIPTIVA
días3754,1)(P.DESVEST
200
XX
s
días891,1)(P.VAR200
XX
S
200
1i
2i
X
2
200
1i
2i
2X
días855,2)(P.DESVEST
200
YY
s
días1518,8)(P.VAR200
YY
S
200
1i
2i
Y
2
200
1i
2i
2Y
6)()(Re MINMAXcorrido
10)()(Re MINMAXcorrido
Ejemplo 3
Ejemplo 2
0
10
20
30
40
50
60
70
80
90
0 1 2 3 4 5 6 7 8 9 10
nº. Ciudadanos Valencianº. Ciudadanos Beindorm
![Page 14: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/14.jpg)
14
MEDIDAS DE POSICIÓN: MEDIA ARITMÉTICA
N
x
N
x.......xxx
N
1i
i
N21
¿Representa bien la media a dichos valores?
ESTADÍSTICA
DESCRIPTIVA
Si x1, x2, ……..xN son los N valores de la variable estadística:
![Page 15: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/15.jpg)
15
MEDIDAS DE DISPERSIÓN: VARIANZA, DESVIACIÓN
TÍPICA, RECORRIDO
ESTADÍSTICA
DESCRIPTIVA
Si x1, x2, ……..xN son los N valores de la variable estadística:
• VARIANZA:
Recorrido: Re = X max - X min
N
xx
S
N
1i
2i
2x
• DESVIACIÓN TÍPICA:
• RECORRIDO:
0SS 2
xx
=VAR.P ( )
![Page 16: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/16.jpg)
16
Se analizan los pedidos efectuados por la empresa LUNASPUMA a una sección
comercial de la misma empresa a lo largo de 360 días. El importe de los pedidos en
euros se recoge en la siguiente tabla: Ejemplo 4
ESTADÍSTICA
DESCRIPTIVA
a) Definir y clasificar la variable objeto de estudio.
b) Tabla distribución de frecuencia absoluta y gráfico de barras.
c) Calcular el recorrido del importe de los pedidos.
d) Obtener la cuantía media del importe de los pedidos.
e) Deducir la desviación típica del importe de los pedidos e interpretar el resultado obtenido.
![Page 17: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/17.jpg)
17
0
10
20
30
40
50
60
300 450 500 600 700 800 900 1000 1200
Importe pedidos
número días
ESTADÍSTICA
DESCRIPTIVA
€900Re
€267S
€71293S
€6,697X
X
22X
Importe pedidos
en euros nº de dias
300 45
450 55
500 24
600 38
700 49
800 42
900 36
1000 37
1200 34
360
Ejemplo 4
Tabla frecuencias
Gráfico barras
![Page 18: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/18.jpg)
18
CÁLCULO DE
PROBABILIDADES 2.3. CÁLCULO DE PROBABILIDADES
Experimentos:
Deterministas o Causales
Aleatorios
Variables aleatorias: discretas y continuas
-DISTRIBUCIÓN DE PROBABILIDAD
-MEDIDAS DE REDUCCIÓN
• MEDIDAS DE POSICIÓN: esperanza matemática ()
• MEDIDAS DE DISPERSIÓN: varianza (2),
desviación típica (), recorrido
![Page 19: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/19.jpg)
19
CÁLCULO DE
PROBABILIDADES
Modelos de distribuciones de probabilidad:
idealizaciones de la realidad que tipifican en
familias las distribuciones de probabilidad
Discretos: Binomial y Poisson
Continuos: Normal o de Gauss
Los modelos van a actuar de puente entre
lo observado (muestra) y lo desconocido (población)
![Page 20: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/20.jpg)
20
CÁLCULO DE
PROBABILIDADES
Repetición del experimento: n veces
X~B(n, p)
MODELO BINOMIAL: CARACTERÍSTICAS
Resultados dicotómicos (éxito/fracaso) con p=probabilidad de
éxito y q=probabilidad de fracaso
Independencia de resultados en las n pruebas
Variable aleatoria: X= nº de éxitos obtenidos en las n pruebas
n..........,2,1,0X
NOTACIÓN:
![Page 21: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/21.jpg)
21
CÁLCULO DE
PROBABILIDADES
=DISTR.BINOM.N(X;n;p;FALSO)
MODELO BINOMIAL
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0 2 4 6 8 10 12 14 16 18 20
Funci ón de di st r i buci ón Funci ón de P r obabi l i dad
=DISTR.BINOM.N(X;n;p;VERDADERO)
RESULTADOS DE INTERÉS
Valor medio de B(n,p) = n.p= 20.0,5 =10
Varianza de B(n; p): 2 =n p q =20 . 0,5 . 0,5 = 5
![Page 22: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/22.jpg)
22
CÁLCULO DE
PROBABILIDADES
Se sabe que el 50% de los habitantes de Valencia capital esperan
habitualmente el autobús más de 15 minutos. Si se seleccionan
al azar 45 habitantes de dicha ciudad y se les pregunta acerca
del tiempo de espera habitual en la parada del autobús:
a) ¿Cuántos de ellos se espera que contesten que están en dicha
situación (tiempo de espera habitual superior a los 15 minutos)?
b) ¿Cuál es la probabilidad de que 30 de ellos contesten que
esperan habitualmente al autobús más de 15 minutos?
c) ¿Cuál es la probabilidad de que más de 30 de los encuestados
contesten que esperan habitualmente al autobús más de 15
minutos?
Ejemplo 5
![Page 23: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/23.jpg)
23
CÁLCULO DE
PROBABILIDADES
a) 22,5
b) 0’0098
c) 0’008
![Page 24: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/24.jpg)
24
CÁLCULO DE
PROBABILIDADES
Un suceso puede ocurrir, o no, una o más veces en un intervalo de
tiempo o espacio
MODELO POISSON: CARACTERÍSTICAS
Probabilidad de ocurrencia de un suceso en un intervalo de tiempo o
espacio es independiente del intervalo considerado (intervalos de igual
dimensión)
Variable aleatoria: X= nº de sucesos que ocurren en una unidad de
tiempo o espacio
Si el intervalo es extremadamente pequeño, la probabilidad de que no
ocurra ningún suceso es próxima a 1, la de que ocurra un suceso es
muy pequeña y la de que ocurran 2 es prácticamente 0
X~P()
= nº medio de sucesos que ocurren
en una unidad de tiempo o espacio
NOTACIÓN:
..........,2,1,0X
![Page 25: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/25.jpg)
25
=POISSON.DIST(X;;FALSO) CÁLCULO DE
PROBABILIDADES
MODELO POISSON
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
0 5 10 15 20 25 30
Funci ón de di st r i buci ón Funci ón de P r obabi l i dad
=POISSON.DIST(X;;VERDADERO)
![Page 26: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/26.jpg)
26
CÁLCULO DE
PROBABILIDADES
Si el número de averías de los autobuses de la EMT con más de
5 años de servicio sigue un modelo Poisson con media 4
averías anuales
a) ¿Cuál es el porcentaje de autobuses con dicha antigüedad
que tienen 2 averías en un año?
b) ¿Cuál es el porcentaje de autobuses con dicha antigüedad
que tienen menos de 2 averías en un año?
c) Suponiendo independiente el número de averías año a año,
obtener la probabilidad de que un autobús con más de 5 años
de servicio tenga un total de 10 averías en los próximos 3
años.
Ejemplo 6
![Page 27: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/27.jpg)
27
CÁLCULO DE
PROBABILIDADES
a) 14’65%
b) 9’16%
c) 0’1048
MODELO POISSON
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
0 5 10 15 20 25 30
Función de distribución Función de Probabilidad
![Page 28: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/28.jpg)
28
MODELO (DISTRIBUCIÓN) NORMAL O DE GAUSS
X= variable aleatoria de tipo continuo sigue una
distribución Normal de parámetros y (con >0),
si su función de densidad es:
x e2πσ
1xf
2
σ
μx
2
1
X~N(, )
CÁLCULO DE
PROBABILIDADES
- +
NOTACIÓN:
![Page 29: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/29.jpg)
29
CÁLCULO DE
PROBABILIDADES
MODELO NORMAL
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
-4 -2 0 2 4 6 8 10 12
Función de Probabilidad Función distribución
=DISTR.NORM.N(X;;;FALSO) =DISTR.NORM.N(X;;;VERDADERO)
![Page 30: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/30.jpg)
30
CÁLCULO DE
PROBABILIDADES
68’27%
95’45% 99’73%
N(=4, = 2)
![Page 31: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/31.jpg)
31
CÁLCULO DE
PROBABILIDADES
El tiempo que tarda en realizar su recorrido la línea 1 del metro
de Valencia sigue una distribución Normal con media 30
minutos y desviación típica 5 minutos.
a) Obtener la probabilidad de que un metro de dicha línea:
a.1) Invierta más de 30 minutos en realizar el recorrido
a.2) Emplee entre 25 y 39 minutos en realizar el recorrido
b) ¿Cuál es el intervalo de tiempo que el 99’73% de los metros de
dicha línea invierten en realizar el recorrido?
Ejemplo 7
![Page 32: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/32.jpg)
32
CÁLCULO DE
PROBABILIDADES
a.1) 0’5
a.2) 0’8054
b) [15min., 45min]
MODELO NORMAL
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
15 20 25 30 35 40 45
Función de Probabilidad Función distribución
![Page 33: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/33.jpg)
33
CÁLCULO DE
PROBABILIDADES
RELACIÓN ENTRE LOS MODELOS: TEOREMAS DE CONVERGENCIA
POISSON-NORMAL
Si X~P() y suficientemente grande X~N(µ=, 2= )
BINOMIAL-POISSON Si X~B(n, p) con n suficientemente
grande y p suficientemente pequeño
BINOMIAL-NORMAL
Si X~B(n, p) con n suficientemente grande
X~ P(=np)
X~N(µ=np, 2=npq )
n50 y np 5
n50 y np >5
![Page 34: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/34.jpg)
34
BINOMIAL (B(n=80, p=0'01))
-0,05
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0 10 20 30 40 50 60 70 80
Función de Probabilidad
POISSON (P( '01=0'8))
-0,1
0
0,1
0,2
0,3
0,4
0,5
0 10 20 30 40 50 60 70 80
Función de Probabilidad
CÁLCULO DE
PROBABILIDADES
CONVERGENCIA DE BINOMIAL (B(n, p)) A POISSON (P(=n·p))
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80
Binomial Poisson
APROXIMACIÓN DE BINOMIAL A POISSON
![Page 35: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/35.jpg)
35
BINOMIAL (B(n=80, p=0'5))
-0,01
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,1
0 10 20 30 40 50 60 70 80
Función de Probabilidad
CONVERGENCIA DE BINOMIAL (B(n, p)) A POISSON (P(=n·p))
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,1
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80
Binomial Poisson
CÁLCULO DE
PROBABILIDADES
POISSON (P( '5=40))
-0,01
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0 10 20 30 40 50 60 70 80
Función de Probabilidad
APROXIMACIÓN DE BINOMIAL A POISSON
![Page 36: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/36.jpg)
36
BINOMIAL (B(n=80, p=0'5))
-0,01
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,1
0 10 20 30 40 50 60 70 80
Función de Probabilidad
CÁLCULO DE
PROBABILIDADES
NORMAL (N( '54, 2'5'52))
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,1
0 10 20 30 40 50 60 70 80
Función de Probabilidad
APROXIMACIÓN DE BINOMIAL A NORMAL
![Page 37: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/37.jpg)
37
CÁLCULO DE
PROBABILIDADES
POISSON (P(49))
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0 10 20 30 40 50 60 70 80
Función de Probabilidad
NORMAL (N(49, 249)
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0 10 20 30 40 50 60 70 80
Función de Probabilidad
APROXIMACIÓN DE POISSON A NORMAL
![Page 38: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/38.jpg)
38
POISSON (P( '1))
-0,1
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0 1 2 3 4 5 6 7 8 9 10
Función de Probabilidad
CÁLCULO DE
PROBABILIDADES
NORMAL (N('1, 2'1)
0
0,2
0,4
0,6
0,8
1
1,2
1,4
-0,6 1,4 3,4 5,4 7,4 9,4 11,4 13,4
Función de Probabilidad
APROXIMACIÓN DE POISSON A NORMAL
![Page 39: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/39.jpg)
39
CÁLCULO DE
PROBABILIDADES
En un proceso de fabricación de piezas, necesarias para la
elaboración de lámparas de diseño, se sabe que el porcentaje
de piezas defectuosas fabricadas es el 1%. Obtener:
a) Probabilidad de que si se seleccionan 6000 piezas más de 60
resulten defectuosas.
b) Probabilidad de que si se consideran, al azar, 70 piezas
fabricadas más de 1 sea defectuosa.
Ejemplo 8
A partir de los datos del ejemplo anterior, si se seleccionasen al
azar lotes de 6000 piezas, y se contasen el número de piezas
defectuosas en cada lote, obtener cual sería, en el 99’73% de los
lotes, el número mínimo y máximo de piezas defectuosas
contabilizadas (intervalo centrado).
Ejemplo 9
![Page 40: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/40.jpg)
40
CÁLCULO DE
PROBABILIDADES
Ejemplo 8
a) X=v. a. nº piezas defectuosas de las 6000 seleccionadas
X B(n=6000; p=0’01)
np=60>5 se puede aproximar a N(=np=60, 2=npq=59’4)
p(X>60)=0’5
b) X=v. a. nº piezas defectuosas de las 70 seleccionadas
X B(n=70; p=0’01)
np=0’7<5 se puede aproximar a P(=0’7)
p(X>1)=0’1558
![Page 41: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/41.jpg)
41
CÁLCULO DE
PROBABILIDADES
Ejemplo 9
X=v. a. nº piezas defectuosas de las 6000 seleccionadas
X B(n=6000; p=0’01)
np=60>5 se puede aproximar a N(=np=60, 2=npq=59’4)
el 99’73% de los datos se encuentra en el intervalo [-3; -3 ], en
este caso
3788'364'59·360·3
8312'834'59·360·3
![Page 42: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/42.jpg)
42
CÁLCULO DE
PROBABILIDADES
El número de llamadas recibidas en una hora en el servicio de
urgencias de un hospital sigue una distribución de Poisson
con 2=64. Obtener la probabilidad de que en una hora
seleccionada al azar se reciban, en dicho servicio, menos de
88 llamadas.
Ejemplo 10
Ejemplo 11
A partir de los datos del ejemplo anterior, si se seleccionan al
azar franjas horarias de una hora y se contabilizan el número
de llamadas recibidas en cada una de ellas ¿Cuál sería el
porcentaje de dichas franjas en las que el número de llamadas
recibidas oscilara entre las 40 y las 88?.
![Page 43: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/43.jpg)
43
CÁLCULO DE
PROBABILIDADES
Ejemplo 10
X=v. a. nº llamadas/hora X P(=64)
=64 es suficientemente grande se puede aproximar a N(==64, 2= =64)
p(X<88)=0’9987
En Poissson ==2
![Page 44: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/44.jpg)
44
CÁLCULO DE
PROBABILIDADES
Ejemplo 11
el 99’73% de los datos se encuentran en el intervalo [-3; -3 ]. En
este caso
4064·364·3
8864·364·3
X=v. a. nº llamadas/hora X P(=64) suficientemente grande
se puede aproximar a N(=64, 2=64)
En el 99’73% de las franjas
de una hora el número de
llamadas oscila entre las 40
y las 88
![Page 45: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/45.jpg)
45
Si se define Para n suficientemente grande
1ª Consecuencia
2ª Consecuencia
Si se define
muestralmediaXn
XM
n
1i
in
n
1i
in XS
n,......2,1i,D~Xi
Sean X1 , X2 , …….X n v. a independientes igualmente distribuidas
con 0
TEOREMA CENTRAL DEL LÍMITE (T.C.L.)
n,nN~Sn
Para n suficientemente grande
n,N~X
CÁLCULO DE
PROBABILIDADES
![Page 46: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/46.jpg)
46
CÁLCULO DE
PROBABILIDADES
X~N (=4; 2=2)
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
-4 -2 0 2 4 6 8 10 12
Función de Probabilidad Función distribución
X~D(=4, 2=2)
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0 1 2 3 4 5 6 7 8
Función de distribución Función de Probabilidad
Ejemplo 12
Ejemplo 13
![Page 47: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/47.jpg)
47
CÁLCULO DE PROBABILIDADES
DISTRIBUCIÓN MEDIA MUESTRAL (n=36)
-0,2
0
0,2
0,4
0,6
0,8
1
-4 -2 0 2 4 6 8 10 12
Función de Probabilidad Función distribución
DISTRIBUCIÓN MEDIA MUESTRAL (n=100)
-0,2
0
0,2
0,4
0,6
0,8
1
-4 -2 0 2 4 6 8 10 12
Función de Probabilidad Función distribución
DISTRIBUCIÓN MEDIA MUESTRAL (n=625)
-0,2
0
0,2
0,4
0,6
0,8
1
1,2
1,4
-4 -2 0 2 4 6 8 10 12
Función de Probabilidad Función distribución
DISTRIBUCIÓN MEDIA MUESTRAL (n=2500)
-0,2
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
-4 -2 0 2 4 6 8 10 12
Función de Probabilidad Función distribución
Ejemplo 14
![Page 48: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/48.jpg)
48
CÁLCULO DE
PROBABILIDADES
Se sabe que el beneficio mensual de cierta empresa sigue una
distribución con =500 (miles de €) y = 100 (miles de €). Suponiendo
independientes los beneficios mes a mes, obtener:
a) Probabilidad de que en los próximos 3 años (36 meses hábiles) el
beneficio total de dicha empresa supere los 19.200.000 €?
b) Probabilidad de que en los próximos 3 años (36 meses hábiles) el
beneficio medio mensual de dicha empresa sea superior a 550.000 €?
Ejemplo 15
![Page 49: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/49.jpg)
49
CÁLCULO DE
PROBABILIDADES
Ejemplo 15
a) Xi=v. a. beneficio/mes i-ésimo Xi D(=500; =100) e independientes
Y= v.a. beneficio total/36 meses hábiles
p(Y>19.200)=0’0227
b) Z=v. a. beneficio medio/en 36 meses hábiles
p(Z>550)=0’0013
36
1i
i3621 XX..............XXY
)600;000.18(N36100;500·36Nn,nN~Y
1ª Consecuencia del TCL
36
1i
i3621
36
X
36
X..............XXZ
2ª Consecuencia
del TCL
)6'16;500(N36
100;500N
n,N~Z
![Page 50: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/50.jpg)
50
2.4. INFERENCIA ESTADÍSTICA INFERENCIA
ESTADÍSTICA
OBJETIVO: Obtener conclusiones de la población (todo el colectivo) a
partir de los valores de una muestra (subconjunto de la población).
POBLACIÓN MUESTRA
![Page 51: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/51.jpg)
51
INFERENCIA
ESTADÍSTICA
![Page 52: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/52.jpg)
52
INFERENCIA
ESTADÍSTICA
ESTIMACIÓN PUNTUAL
X
22S
p p̂
2c
S
2d
Rbieno
c2 y d2: valores
tabulados dependientes
del tamaño muestral
![Page 53: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/53.jpg)
53
Se desea estimar el número medio de piezas defectuosas fabricadas diariamente por
una máquina en cierta cadena de producción. Para ello contabilizan las piezas
defectuosas fabricadas por dicha máquina a lo largo de 10 días laborables,
obteniéndose los siguientes resultados:
8, 7, 10, 8, 8, 15, 15, 16, 19, 10.
Obtener, a partir de los mismos, la estimación puntual buscada.
INFERENCIA
ESTADÍSTICA
Ejemplo 16
Ejemplo 17
Con los datos del ejemplo anterior, y considerando el estimador dependiente
de la desviación típica muestral, obtener la estimación puntual de la desviación
típica del número de piezas fabricadas diariamente.
Ejemplo 18
Con los datos del ejemplo 16, y considerando el estimador dependiente del
recorrido de la muestra, obtener la estimación puntual de la desviación típica
del número de piezas fabricadas diariamente.
![Page 54: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/54.jpg)
54
Estimador de X
INFERENCIA
ESTADÍSTICA
Ejemplo 16
Ejemplo 17
Estimador de dependiente de S
Ejemplo 18
En este caso 6'1110
10.................8
2c
S
En este caso 1429'49727'0
02988'4
Estimador de dependiente de R 2d
R
En este caso 8986'3078'3
12
![Page 55: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/55.jpg)
55
INFERENCIA
ESTADÍSTICA
ESTIMACIÓN PUNTUAL
X
2d
R
2c
S
EN CONTROL ESTADÍSTICO DE LA CALIDAD
![Page 56: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/56.jpg)
56
Hipótesis Estadística
Contraste de Hipótesis Estadística
Tipos de Contrastes de Hipótesis:
Paramétricos
No Paramétricos
Tipos de Hipótesis Estadísticas:
Hipótesis Simple
Hipótesis Compuesta
CONTRASTACIÓN DE HIPÓTESIS
INFERENCIA
ESTADÍSTICA
![Page 57: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/57.jpg)
57
Una PYME dedicada a la elaboración de tortas imperiales tiene en su cadena de
producción una única máquina dosificadora de la cantidad de almendras que será
utilizada en la confección de cada torta imperial (en la composición de éstas consta
que la cantidad de almendra utilizada en cada una ha sido de 100 gramos). Se
quiere constatar si la máquina está bien regulada, esto es si por TÉRMINO MEDIO
el peso de cada dosis de almendras es de 100 gramos.
INFERENCIA
ESTADÍSTICA
Ho: =100
H1: 100
EJEMPLO 19
Paramétrico si X=v. a. peso/bolsa pertenece a
una familia paramétrica conocida
No paramétrico si X=v. a. peso/bolsa no pertenece a
una familia paramétrica conocida
![Page 58: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/58.jpg)
58
Error de Tipo I y Error de Tipo II
Error de Tipo I (o de 1ª especie)=Rechazar Ho/ Ho cierta Error de Tipo II (o de 2ª especie)=No Rechazar Ho/ Ho falsa Nivel de Significación== p (Error de Tipo I)= =p(Rechazar Ho/ Ho cierta)
Potencia del Test =p(Rechazar Ho/ Ho falsa)=1- (=p(Error de Tipo II)=p(No Rechazar Ho/ Ho falsa))
Rechazar Ho No rechazar Ho
Ho cierta Fallo
(Error Tipo I)
Acierto
Ho falsa Acierto Fallo
(Error Tipo II)
INFERENCIA
ESTADÍSTICA
![Page 59: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/59.jpg)
59
Error de tipo I: se rechaza que la máquina está
bien regulada cuando sí lo está.
Error de tipo II: no se rechaza que la máquina está
bien regulada cuando no lo está.
INFERENCIA
ESTADÍSTICA
EJEMPLO 20
Consecuencias: Parada de producción, Costes derivados del ajuste de una
máquina que no necesitaba ser ajustada, Pedidos no entregados a tiempo,
Reclamaciones clientes…………..
Consecuencias: Sobrecoste, Reclamaciones clientes…………………………
![Page 60: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/60.jpg)
60
P.1. Considerar una variable aleatoria (v.a.) T, que dependa de la muestra y del parámetro acerca del que se ha efectuado la hipótesis, de forma que la distribución de T sea conocida supuesta cierta la hipótesis nula.
P.2. Particionar el espacio de posibles valores de T en dos regiones: Ro (región de aceptación) y R1 (región crítica o de rechazo)
P.3. Obtener el valor de T para la muestra obtenida: To
P.4. Aplicar la Regla de Decisión:
Si To Ro No Rechazar Ho
Si To R1 Rechazar Ho
INFERENCIA
ESTADÍSTICA
TÉCNICA GENERAL
![Page 61: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/61.jpg)
61
Suponiendo que X se distribuye N(, =5) y selecciona una muestra de 9 bolsas, cuyos pesos son:
99, 110, 106, 98, 106, 98, 99, 108, 109
¿Se rechaza o no que la máquina está regulada para =1%?
INFERENCIA
ESTADÍSTICA
EJEMPLO 21
![Page 62: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/62.jpg)
62
Se obtiene que
y
Ro=[-2’58, 2’58 ]
Así, dado que To Ro, NO SE RECHAZA que la máquina está regulada para =1% ( no se rechaza H0:=100)
INFERENCIA
ESTADÍSTICA
EJEMPLO 21
2'2
95
1006'103To
![Page 63: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/63.jpg)
63
P-VALOR (P-VALUE): mínimo valor de significación que nos lleva al rechazo de Ho,, es decir, si:
Si > p se rechaza Ho
Si < p no se rechaza Ho
INFERENCIA
ESTADÍSTICA
ENFOQUE DEL P-VALOR (P-VALUE)
Proporcionado por
paquetes estadísticos y
algunas hojas de
cálculo
(aunque se puede
obtener sin necesidad
de utilizarlos )
VENTAJA FRENTE A TÉCNICA GENERAL: se puede tomar decisión para cualquier
nivel de significación sin necesidad de obtener explícitamente la región de
aceptación (RO)
![Page 64: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/64.jpg)
64
Introducidos los datos anteriores en un paquete estadístico se obtiene que:
p-value=0’0278
a) ¿Qué decisión se tomara para un nivel de significación =1%?
b) ¿Y si =5%?
SOLUCIÓN: a) NO RECHAZAR que la máquina está bien regulada ( no se rechaza H0:=100).
b) RECHAZAR que la máquina está bien regulada ( se rechaza H0:=100).
INFERENCIA
ESTADÍSTICA
EJEMPLO 22
![Page 65: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/65.jpg)
65
INFERENCIA
ESTADÍSTICA
DISTRIBUCIONES DERIVADAS DE LA NORMAL
Distribución 2 de Pearson
( siendo Z i ~ N(0, 1) e independientes)
nt~
n
Y
Xt
2
n
2
n
2
2
2
1 ~Z........ZZX
2
nDistribución t de Student
( siendo X~ N(0, 1); Y ~ ; X e Y independientes)
n,mF~Y
X·
m
n
nY
mX
F
Distribución F de Snedecor
( siendo X~ ; Y ~ ; X e Y independientes)
2
m 2
n
GRADOS
DE
LIBERTAD
![Page 66: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/66.jpg)
66
INFERENCIA
ESTADÍSTICA
COMPARAR
MEDIAS
COMPARAR
VARIANZAS
Analizar previamente la adecuación del
modelo Normal
• Contrastes no
paramétricos ( 2 de
Pearson, Kolmogorov)
• Métodos gráficos
(histograma, papel
probabilístico Normal)
![Page 67: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/67.jpg)
67
TABLA INFERENCIA
ESTADÍSTICA
![Page 68: TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS …ocw.uv.es/ciencias-sociales-y-juridicas/tecnicas...Variable aleatoria: X= nº de sucesos que ocurren en una unidad de tiempo o espacio](https://reader035.vdocuments.site/reader035/viewer/2022070708/5eb9a41a5c0a345226410585/html5/thumbnails/68.jpg)
68
GLOSARIO DE FUNCIONES EN EXCEL:
♦Media aritmética: =PROMEDIO( )
♦Varianza de la muestra: =VAR.P( )
♦Desviación típica de la muestra: =DESVEST.P( )
♦Recorrido: =MAX( )-MIN( )
♦Frecuencias: =FRECUENCIA(datos, grupos),
♦Función de Probabilidad (modelo Binomial): =DISTR.BINOM.N(X;n;p;FALSO)
♦Función de Distribución (modelo Binomial): =DISTR.BINOM.N(X;n;p;VERDADERO)
♦Función de Probabilidad (modelo Poisson): =POISSON.DIST(X;;FALSO)
♦Función de Distribución (modelo Poisson): =POISSON.DIST(X;;VERDADERO)
♦Función de Probabilidad (modelo Normal): =DISTR.NORM.N(X;;;FALSO)
♦Función de Distribución (modelo Normal): =DISTR.NORM.N(X;;;VERDADERO)